KG-TRICK：面向多语言知识图谱的文本与关系信息统一完成
计算与语言
2025-01-08 v1 人工智能
机器学习
摘要
多语言知识图谱 (KG) 提供高质量的关系和文本信息，用于各种 NLP 应用，但在非英语语言中常不完整，尤其是文本信息。以往的研究表明，来自不同语言中 KG 的信息有助于实现知识图谱完成 (KGC)，即预测实体之间缺失关系的任务；或知识图谱增强 (KGE)，即为实体预测缺失文本信息的任务。尽管之前的努力将 KGC 和 KGE 视为独立任务，但我们假设它们是相互依赖且相互有益的。为此，我们引入 KG-TRICK，一个新颖的序列到序列框架，用于统一多语言 KG 的文本和关系信息完成任务。KG-TRICK 证明了：i) 可以将 KGC 和 KGE 任务统一到单个框架中，ii) 来自多个语言的文本信息有助于提高 KG 完整性。作为我们的贡献之一，我们还引入 WikiKGE10++，这是用于 KG 文本信息完成的最大手动校准基准，涵盖 10 种 diverse 语言中的 25,000 多个实体。
引用
@article{arxiv.2501.03560,
title = {KG-TRICK: Unifying Textual and Relational Information Completion of Knowledge for Multilingual Knowledge Graphs},
author = {Zelin Zhou and Simone Conia and Daniel Lee and Min Li and Shenglei Huang and Umar Farooq Minhas and Saloni Potdar and Henry Xiao and Yunyao Li},
journal= {arXiv preprint arXiv:2501.03560},
year = {2025}
}
备注
Camera ready for COLING 2025